طراحی و ساخت نمونه آزمایشگاهی دستگاه سنجش بار کاری فیزیکی و ارزیابی میزان کاربردپذیری آن در محیط‌های کاری

مقدمه: شاخص درصد vo2max، فاستاندارد طلایی طبقه‌بندی بار کاری فیزیکی می‌باشد که به دلیل دشواری اندازه‌گیری، در محیط‌های کاری واقعی کاربرد ندارد. به‌تازگی روشی جهت تخمین درصد vo2max از روی سه شاخص ضربان قلب استراحت، ضربان قلب کار و وزن، بر مبنای یک شبکه عصبی فازی در نرم‌افزار matlab ارایه شد. هدف از انجام مطالعه حاضر، طراحی و ساخت نمونه آزمایشگاهی دستگاه طبقه‌بندی بار کاری فیزیکی بر مبنای این روش بود.روش‌ها: برنامه‌نویسی دستگاه با استفاده از نرم‌افزار arduino و به زبان c++ در برد توسعه avr نوشته شد و توسط برنامه‌نویس به ic انتقال یافت. خروجی سنسور سنجش ضربان قلب نیز از طریق پروتکل i2c به برد وارد شد. نمره کاربردپذیری دستگاه توسط 20 کارشناس بهداشت حرفه‌ای شاغل در صنعت تعیین گردید و با طبقه‌بندی بار کاری فیزیکی به صورت دستی، مورد مقایسه قرار گرفت.یافته‌ها: میانگین نمره کاربردپذیری این سیستم، 7.3 ± 84.6 به دست آمد که در طبقه b با کاربردپذیری خیلی خوب قرار گرفت. همچنین، زمان صرف شده جهت طبقه‌بندی بار کاری فیزیکی با روش دستی، حدود دو برابر زمان مورد نیاز جهت تعیین آن با دستگاه ساخته شده بود.نتیجه‌گیری: سیستم استنتاجی فازی تطبیقی (adaptive neurofuzzy inference system یا anfis) برای تخمین بار کاری فیزیکی و در قالب یک دستگاه جهت به کارگیری در صنعت ارایه گردید. با توجه به عدم دقت کافی شاخص‌های رایج جهت تخمین بار کاری فیزیکی از جمله ضربان قلب، دستگاه ساخته شده جایگزین مناسبی برای روش‌های قبلی می‌باشد. کاربردپذیری بالا و زمان مورد نیاز کم، از جمله مزایای دستگاه به شمار می‌رود.

Design and Fabrication of a Laboratory Model of Physical Workload Classification Tool and Evaluation of Its Usability in the Real Work Environment

Background: %VO2max index is the gold standard of physical workload classification. Because of difficulty of this index measurement, it is not a practical method in the real work places. Recently, a new method was proposed for estimating %VO2max through three parameters of resting heart rate, working heart rate, and weight based on a neurofuzzy network in MATLAB software. The goal of this study was designing and fabricating a laboratory model of physical workload classification tool based on the mentioned method.Methods: The programming of the device was performed with the Arduino software and in C++ language in the AVR microcontroller__AWT_NOKT_COMMA__ then, it was entered into integrated circuit (IC) by the programmer. The output of heart rate sensor was entered into the microcontroller through I2c protocol. The usability score of the device was evaluated by 20 occupational health experts employed in the industry and was compared with manual physical workload classification.Findings: The mean usability score of this system was 84.6 ± 7.3 and was ranked in B category. It means that the usability of the system is very good. The required time for physical workload classification using this tool was approximately half of the required time for this work without the tool.Conclusion: The adaptive neurofuzzy inference system (ANFIS) was presented for estimating physical workload in the form of a practical tool in order to be used in the industry. Regarding the lack of sufficient accuracy of current indexes for estimating physical workload such as heart rate, this fabricated tool is a proper substitute for the former methods. High usability and low required time are two main advantages of the proposed tool.